背景

　　失眠是一种常见的精神障碍，影响着美国近五分之一的成年前人口。最近，对英国生物库队列进行的最大的全基因组关联研究(GWAS)确定了数百个显著的单核苷酸多态性(SNP)，使流行病学家能够在随后的研究中通过多基因风险评分技术量化个体遗传易感性。

　　核苷酸多态性和风险评分虽然能够推广到其他欧洲裔成年人群，但尚未在不同种族背景的儿童和青少年人群中进行测试，我们的研究旨在填补这些空白。

　　关键词

　　失眠，青少年，多基因风险评分，遗传，血统

　　材料和方法

　　我们总结了同一个英国生物库研究，并对青少年大脑认知发展(ABCD)研究提供的多种族、成年前人群进行了多基因风险评分(多基因风险评分)分析。

　　结果

　　根据在英国白人成人中发现的显著核苷酸多态性得出的阳性预测值是欧洲背景相似但在非欧洲群体中缺乏力量的儿童失眠的强预测值。

　　结论

　　通过多基因风险评分，从白人成人研究人群中总结的失眠遗传学知识可转移到更年轻的年龄组，这有助于寻找早期失眠预防的可行目标。然而，人口分层可能会阻止跨种族的简单概括；因此，有必要进行针对特定群体的研究，以帮助非欧洲遗传背景的人。

　　引言

　　失眠是医疗实践中最常见的健康问题之一，主要表现为对睡眠数量或质量的不满。根据《精神障碍诊断和统计手册》(DSM)第五版，目前的失眠诊断标准包括在就寝时间入睡困难和保持睡眠，以及在清晨醒来后至少3个月内无法恢复睡眠。这与第四版DSM不同，后者对失眠诊断的标准不太严格，要求症状仅持续1个月。据估计，美国失眠的患病率在15%至24%之间取决于诊断标准。

　　失眠也是儿童和青少年中常见的疾病，患病率为10.7%。研究发现，儿童睡眠剥夺可能导致神经行为功能异常和大脑发育受损，这得到了神经发育障碍和失眠之间强双向联系的证实。与普通人群相比，患有失眠症的青少年报告共病的几率更高。由于童年和青春期是人生过程中最关键的时期，此时智力、身体和心理力量迅速增长，社会视角逐渐形成，因此在此期间识别失眠风险将在长期疾病预防工作中发挥重要作用。尽管患病率很高，意义重大，但儿童和青少年失眠的遗传机制仍缺乏研究。

　　最近的失眠全基因组关联研究(GWASs)成功识别了202个风险位点。在迄今为止最大的GWAS，估计的单核苷酸多态性(SNP)遗传力为7.0%，并且观察到显著的多基因信号。为了描述遗传性失眠的个体风险，这个GWAS利用多基因风险评分(多基因风险评分)来总结整个基因组的影响。多基因风险评分是个体许多基因位点的性状相关等位基因的加权和，其中权重通常来自GWAS报告的效应大小。最后，作者报告了由多基因风险评分解释的高达2.6%的结果变化(即失眠的发作)。

　　然而，研究和目标人群之间的异质性可能会影响减贫战略的普遍性。最近的一项研究发现，大多数GWAS进行的源自欧洲血统人口的减贫战略在非洲血统人口中表现不佳。表现不佳也可以用不同群体间连锁不平衡和等位基因频率的差异来解释。因此，在进行减贫战略分析时，我们应该考虑人口分层。

　　尽管一个人的遗传物质在他/她的一生中是稳定的，并且失眠和相关的睡眠障碍通常出现在成年人和青少年中，但是从成年人[即英国生物库(UKB)]那里学到的遗传机制的知识可能不容易转化为对年轻人中失眠的遗传影响的理解，知道年龄是调节与失眠相关的遗传物质转录的不同生物过程(即青春期对青春期前)和外部暴露(即危险的工作场所对学校环境)的强有力的替代物这项研究旨在验证来自欧洲血统成年人的多基因风险评分是否可以推广到青少年队列中父母报告的失眠严重程度评分。

　　我们还检查了该多基因风险评分预测其他常见睡眠障碍的准确性，包括睡眠呼吸障碍、觉醒障碍、睡眠-觉醒转换障碍、过度嗜睡障碍和睡眠多汗症。由于我们意识到人口分层对预测性能的不利影响，我们进一步评估了不同祖先个体的多基因风险评分。

　　研究人群基线

　　参与者是来自青少年大脑认知发展(ABCD)研究的9-10岁青少年。这项研究的参与者是从美国的21个地方招募的，将被跟踪10年。ABCD的目标是了解各种因素的影响，如紧张的经历和遗传对大脑、神经发育、社会和情感发展以及整体健康的影响。

　　这项研究力求代表一系列不同的社会经济和人口概况，尽可能准确地反映美国年轻一代的真实情况。ABCD队列设计、招募、人口构成和身心健康评估的细节在其他地方有所描述。在我们对减贫战略的研究中，共有11，875名9-11岁的儿童被纳入其中。

　　结果评估

　　儿童睡眠障碍量表(SDSC)适用于父母评估其子女的睡眠障碍，问题与过去6个月的子女生活有关。SDSC包含26项李克特式评分，例如，“你的孩子大多数晚上睡几个小时？”(一个表示9-11h，两个表示8-9h，三个表示7-8h，四个表示5-7h，五个表示<5 h)和“孩子晚上难以入睡”(一个表示从不；两个表示偶尔；三有时表示；四表示经常；五表示始终)。

　　某些项目的总和由代表六个共同领域的分量表组成:

　　(1)睡眠启动和维持障碍(DIMS)；

　　(2)睡眠呼吸障碍(SBD)；

　　(3)觉醒障碍；

　　(4)睡眠-觉醒转换障碍(SWTD)；

　　(5)过度嗜睡障碍；

　　(6)睡眠多汗症。SDSC的睡眠质量监测系统项目接近失眠诊断的定义，因此我们认为睡眠质量监测系统是我们治疗失眠的主要结果。

　　基因分型

　　样品制备和基因分型由罗格斯大学细胞和脱氧核糖核酸库(RUCDR)进行。在11，875名参与者中，有274人没有基因分型数据。11，601名参与者的基因分型是在AffymetrixNIDA烟幕阵列(Baurley等人，2016年)上进行的，该阵列包含733，293个SNPs。使用PLINK，我们保留了527，285个SNPs，所有参与者的呼叫率超过99%。

　　我们通过选择Hrc在密歇根插补服务器上执行插补。R1.1.2016，4000万个SNPs作为参考组，Eaglev2.3用于分阶段和使用多种族插补过程。插补后，我们保留了SNPs，其

　　(1)插补信息得分高于0.9(0-1分制)，

　　(2)次要等位基因频率(MAF)不低于1%，

　　(3)哈迪-温伯格平衡精确检验p值不低于1×10-6，

　　(4)呼叫率不低于98%。然后我们排除了缺失率高于2%的个体。质量控制再次使用PLINK，产生了10，078个具有3，919，675个SNPs的工作样本。

　　多基因风险评分

　　使用多基因风险评分ice-2(Choi和O'Reilly，2019)，我们用250kb滑动窗口和0.1的R2阈值聚集了高度相关的SNPs。然后，我们根据UKB提供的GWAS汇总统计数据构建了失眠减贫战略，这些统计数据是从386，533名英国白人成人中计算出来的。

　　多基因风险评分是ABCDSNPs的参考等位基因计数的总和，由UKBGWAS总结的测试统计(即z评分)加权，即参考等位基因每增加一个，失眠发生的对数几率的变化。为了减少噪声SNPs，我们选择先验p值上限0.01作为ABCDSNPs的纳入标准。在这个p值阈值下，进入多基因风险评分计算的SNPs数量在聚集程序后为7，043。

　　血统分配

　　使用主成分分析(PCA)和2，502个高质量的参考基因型，代表来自1，000基因组计划第3阶段的五个不同的民族，我们为我们的研究样本估计了五个主要民族的血统组成。主成分分析由(v1.2.4)进行，其计算由估算的基因型得到的遗传相关矩阵的特征向量。我们采用简单的线性混合模型来估计欧洲(EUR)、非洲、东亚(EAS)、南亚(SAS)和美洲土著(NAT)祖先的全基因组平均比例。

　　然后，我们使用估计的比例和25%的显著阈值将个体分为五个大的祖先群体，这导致定义了6，371个欧洲人(≥25%的欧洲人，<25%的AFR人，<25%的东亚人，<25%的北欧人，<25%的北欧人和<25%的北美人)；1，209名非洲人(≥25%的AFR人，<25%的欧洲人，<25%的东亚人，<25%的南亚人，<25%的北美人)；182名东亚人(≥25%东亚人，<25%北欧人，<25%欧洲人，<25%北美人，<25% AFR人)；32名南亚人(≥25%的南非人、<25%的埃及人、<25%的欧洲人、<25%的法国人和<25%的AFR人)；和127名美洲土著人(≥25%的土著居民、<25%的AFR人、<25%的东亚人、<25%的北欧人和<25%的欧洲人)；剩下的2157人被定义为混合血统。

　　据分析:我们使用广义线性混合模型(GLMMs)来分别研究计算的失眠多基因风险评分和每个祖先组的失眠严重程度评分之间的联系。为了更好的解释和比较，所有连续的结果变量都被标准化为z评分。除了将减贫战略视为固定效应外，所有模型都将青少年年龄、性别和家庭收入作为协变量，并将数据收集地点和家庭作为随机效应。协变量的缺失值是通过R包“小鼠”估算的(通过链式方程进行多元估算)。

　　通过使用GLMM，我们研究了睡眠呼吸暂停综合征和其他睡眠障碍如SBD、多巴胺、SWTD、多巴胺和害羞之间的关系。GLMMs是用R包lme4安装的。为了评估包括减贫战略在内的固定效应的影响，我们使用了边际R2，这是由减贫战略单独解释的结果(即失眠严重程度评分)中的方差比例。为了说明多重假设检验，我们使用本杰明-霍赫伯格程序分别计算了初步分析(总共18项检验)和敏感性分析(总共12项检验)的错误发现率。q值(调整后的p值)小于0.10被认为具有统计学意义。由于样本量小(分别为127和214)，我们没有对美洲原住民和亚洲人群进行分析。

　　结果

　　表1给出了三个ABCD参与者祖先群体的样本特征、SDSC分量表和减贫战略的描述。p值通过方差分析或皮尔逊卡方检验计算。各组平均失眠症状评分差异显著(p< 2.2×10-16)。欧洲血统的参与者失眠的平均减贫战略最低(平均值=0.159，标准差=0.60)；最低SBD(平均值=0.110，标准差=0.84，p< 3×10–16)，DES(平均值=0.028，标准差=0.92，p< 3×10–6)，和SHY(平均值=0.026，标准差=0.95，p= 4×10–3)；和最高SWTD(平均值=0.018，标准差=0.97，p= 1×10–3)。非洲血统的参与者具有最高的DIMS(平均值=0.181，标准差=1.08，p< 2.0×10–9)和最低的DA(平均值=0.021，标准差=1.29，p= 0.73)。

　　表2提供了线性混合模型的结果，该模型按三个祖先组评估了多基因风险评分和所有六种睡眠障碍评分之间的关系。在DIMS的模型中，我们发现欧洲血统的个体之间有显著的联系。GWAS单核苷酸多态性纳入阈值为p值0.01时，失眠的多基因风险评分z评分增加一个单位，与DIMS的z评分升高0.066有关(q值=0.03)。没有发现其他睡眠障碍子量表和其他两个非欧洲血统的亚人群之间有关联。

　　我们使用不同GWASp值阈值得出的预测风险值对直接市场假说进行了敏感性分析。在分组程序后，在GWASp值分别为1×10-3、1×10-4和1×10-5时，用于计算多基因风险评分的单核苷酸多态性数目分别为1，482、359和155。这些发现总体上是一致的(图1)。当p值阈值为0.01或0.001时，失眠多基因风险评分与欧洲血统组的DIMS显著相关。p值阈值越小，这种关联越不显著。失眠的多基因风险评分解释了最高的1.3%的差异，p= 0.01。在不同p值阈值的非洲和混合血统组中，没有发现减贫战略和减贫战略之间的联系。

　　讨论

　　我们发现英国白人成人的GWAS报告得出的多基因风险评分是白人青少年失眠风险的一个强有力的预测因子。这一结果得到了以前流行病学证据的证实，即儿童失眠和相关的负面行为模式是成年睡眠障碍的重要前兆，这表明在成年人群中寻找的遗传因果关系应该部分(如果不是全部)推广到成年前。

　　作为对比，最初的UKBGWAS也通过随机抽取1000名英国白人参与者作为测试数据集，重复了三次多基因风险评分分析；结果是预测力(R2= 2.6%)高于当前青少年研究人群的预测力(R2=1.3%)。就R2而言，成年人的减贫战略表现较好，这可以用不同的年龄组和失眠测量结果来解释。在UKB，评估失眠投诉的方法是问“你晚上难以入睡还是半夜醒来？”而在ABCD研究中，DIMS子量表得分是与开始和维持睡眠有关的七个问题的总和。敏感性分析给出了在0.01的GWASp值阈值下最具预测性的减贫战略(图1)；这可能表明失眠的遗传效应分布在整个基因组中更广泛的低效应变异体中。

　　双胞胎研究估计成人和儿童的失眠、睡眠和相关症状的遗传率约为30-60%，这表明了为高危健康个体确定预防目标或为已经经历失眠的人确定干预目标的前景。当GWAS抓住了遗传率的一个关键部分，以及建立在GWAS汇总统计基础上的减贫战略时，使用多基因风险评分作为随机“治疗”的精心设计的孟德尔随机化应该能够检测出可操作的非遗传项目，以降低患失眠症的终生风险或减轻发病病例的负面影响。

　　另一方面，我们发现在非白种人群体中，预测青春期失眠的多基因风险评分缺乏力量。一个直接的建议是遗传效应的群体分层，归因于跨种族/民族的基因型模式的异质性，或与群体成员资格(即社会经济学)相关的遗传学和环境之间的相互作用/竞争。如报告所述，对于广泛的疾病和健康结果，在1，000个基因组项目中，将UKB英国白人的GWAS汇总统计数据分别应用于欧洲人和非洲裔美国人，导致了减贫战略分布的显著变化。此外，在ABCD的三个亚群体中实现的多基因风险评分显著不同(表1，p值<0.001)，进一步表明在不同祖先的基因型异质性方面存在群体分层。尽管如此，一项针对人数过多的白人人口的GWAS调查并不意味着剖析任何一种类型的人口分层效应。为了提高非白种人群体的多基因风险评分的普遍性，我们需要对失眠进行高质量的种族特异性遗传关联研究，这反过来要求在样本量与UKB相当的基因型队列中增加不同群体的代表性。

　　通过多基因风险评分，我们将从高质量成人群体(即UKB)获得的遗传机制知识经济高效地转移到我们的目标青少年群体。然而，即使多基因风险评分的计算是完美的，它在预测失眠风险方面的表现也受到上游GWAS获得的遗传力百分比的限制。到这项研究时，关于失眠的最全面的GWAS只解释了双胞胎家族研究预期的30-60%遗传率的一小部分。随着GWAS局势的改善，我们预计多基因风险评分会有更好的预测能力。